收藏本站
《东华大学》 2007年
收藏 | 手机打开
二维码
手机客户端打开本文

智能挖掘与质量控制技术在纺织生产过程中的应用研究

吕志军  
【摘要】: 随着数字化技术的飞速发展,计算机在纺织领域的应用已从一般性事物处理上升到生产过程的监控和产品的辅助设计,智能化加工与控制正在成为现代纺织技术的主要特征。论文针对国际纺织工程技术领域的关键共性需求,即生产过程智能挖掘与质量控制开展研究,并力图通过研究和探索解决:①面向纺织品加工智能挖掘体系架构与系统建模问题;②基于支持向量机的纺织品加工质量预测技术;③面向复杂加工过程的工艺知识表达与发现;④纺织品加工质量控制等问题,从而为高质量、低成本敏捷化纺织品加工提供新的技术和方法。论文通过人工智能技术、数据挖掘技术和自动化技术的集成,研究了用于纺织品理性加工的新理论、新技术与新方法,开发了相应的软件系统,并通过工程实践对其进行了验证和初步应用。 论文工作主要包括以下内容: (1)提出了面向纺织工艺决策与质量控制的多Agent智能挖掘系统架构(Multiple-agent based Intelligent Mining Architecture for Textile Process Decision Quality Control, MIMA),包括数据预处理Agent、数据挖掘Agent、知识评价Agent、知识服务Agent、集中控制Agent、人机界面Agent等,针对纺织生产共性问题,可以实现广义推理及多样化服务,增强了数据挖掘算法的集成性,在提高系统的工具性和智能性以及自我学习能力的同时,降低了系统复杂度。MIMA中各Agent采用了“感知、决策、动作”的通用结构,便于系统实现。构造了数据挖掘平台——纺织生产数据仓库(Data Warehouse for Textile Production,简称DWTP),其基本结构包括数据源、数据的提取与存储、生产加工数据集市(仓库)、应用工具等。DWTP基本数据模型为星型模型,并采用多种机制对原始数据进行清洗转换。DWTP的建立为纺织生产过程中智能挖掘提供高质量的数据集奠定了基础。 (2)提出了一种新的纺织生产质量预测模型——基于支持向量机的纺织加工预测模型(Support Vector Machines toward TextileProduction, SVMT~2P)。模型发计采用了ν-SVM回归机以及径向基(RBF)核函数,其中关键的参数包括稀疏因子ν、径向基带宽σ、惩罚因子C。通过交叉验证法(k-fold cross-validation)对模型的性能进行评估。针对支持向量机模型参数难以确定的问题,应用遗传算法对模型参数进行了优化,研究了其中GA的编码方案以及遗传算子(选择、交叉、变异)的设计。以此为基础,分别建立了棉纺纱线强力预测模型、聚酯纤维空气变形纱质量预测模型、毛精纺纱线加工性能与质量预测模型。试验分析表明,支持向量机经过训练后可以用于建立纺织生产过程的质量预测模型;用于同人工神经网络模型比较,支持向量机模型更适合于数据维数高、有效数据样本少、具有各种扰动的真实生产过程,在纺织加工质量预测方面具有良好的泛化能力,平均预测精度提高了4~17%,从而验证了模型的有效性。 (3)提出并研究了MIMA中纺织工艺知识的复合表达模式,如面向对象的案例表达、基于粗糙集的知识表达、支持向量或神经网络表达等。在研究神经网络建模过程的基础上,通过算例进一步分析了影响其泛化能力的主要因素。采用了新的基于粗糙集的纺织工艺知识获取方法,给出了工艺属性重要度计算的流程;采用了基于案例的工艺知识重用策略,研究了其中的关键技术例如案例的检索和匹配、案例的修正、案例的保存等。 (4)提出并研究了纺织品加工质量智能控制模型(Intelligent Control Model toward Textile Quality, ICMT~2Q)。通过工艺决策Agent对工艺设计以及原料的选择进行优化,提高工艺设计的质量;对可能出现的异常波动通过工艺补偿Agent分析其原因,提出相应的解决方案,提高生产加工的质量稳定性。该模型对决定于产品质量的两个关键因素(设计质量、加工质量)形成双闭环并进行有效调控。通过相应的算例,研究了纺织工艺优化决策的主要流程。针对传统的SPC技术在质量实践中显露出的某些局限性,进一步提出了混合粗糙集隐式知识和专家经验显式知识的工艺补偿策略。通过自组织特征映射网络(SOM)建立离散化质量数据决策表,利用隐式知识对纺织生产过程中的质量进行智能诊断,增强了质量控制的针对性。 (5)在以上理论研究基础上,以国家技术创新项目“纺织品敏捷加工智能工艺设计与质量预测”为背景,以毛纺织生产为对象,开发了基于互联网的智能工艺设计与虚拟加工应用软件(Web-basedIntelligent Process Planning Virtual Manufacturing, WIPVM 1.0)。WIPVM 1.0系统分为三大子系统十一个主要功能模块,即智能工艺设计与知识管理子系统,纺织品加工过程信息采集子系统,纺织品虚拟加工与质量预测子系统,内容涵盖合约跟踪、工艺设计(条染、纺纱、织布、后整理)以及生产执行、产品检测与质量控制等企业生产的关键环节。 论文的创新处在于: (1)提出了一种新的基于支持向量机的纺织生产质量预测模型——SVMT~2P模型,研究了其中的关键算法以及模型的设计。针对支持向量机模型参数难以确定的问题,应用遗传算法对模型参数进行了优化,提高了模型的泛化性能。在此基础之上,分别建立了棉纺、化纤以及毛精纺加工质量的支持向量机预测模型; (2)将智能挖掘技术引入纺织生产过程中,提出了基于多Agent的纺织生产智能挖掘系统架构——MIMA和纺织工艺知识的复合表达模式,并在纺织生产中得到应用;研究并采用了新的基于粗糙集的纺织工艺知识获取方法和基于案例的工艺知识重用策略,为纺织工艺知识的应用、获取奠定了基础; (3)提出了纺织生产过程质量智能控制模型——ICMT~2Q,该模型对决定于产品质量的两个关键因素(设计质量、加工质量)形成双闭环控制结构并分别进行有效调控,为纺织品生产过程中的工艺优化以及质量智能控制提供了新的途径。
【学位授予单位】:东华大学
【学位级别】:博士
【学位授予年份】:2007
【分类号】:TS101.9

手机知网App
【引证文献】
中国期刊全文数据库 前3条
1 石钢;吕明;;论纺织工程张力控制技术发展路线图[J];纺织导报;2011年05期
2 吕志军;杨建国;项前;;基于遗传算法参数优化的纱线质量预测技术[J];东华大学学报(自然科学版);2012年05期
3 高晓艳;郁崇文;;苎麻纤维性能与成纱质量的人工神经网络分析[J];中国麻业科学;2012年04期
【参考文献】
中国期刊全文数据库 前10条
1 李丽娜,侯朝桢;基于支持向量机(SVM)的工业过程辨识[J];北京理工大学学报;2003年05期
2 董奎勇,于伟东;A Worsted Yarn Virtual Production System Based on BP Neural Network[J];Journal of DongHua University;2004年04期
3 潘浙丹,杨建国,陶晓东;ERP环境下的生产计划系统研究与开发[J];东华大学学报(自然科学版);2004年02期
4 于伟东;杨建国;;纺织工业中的虚拟加工技术与模式[J];纺织导报;2005年07期
5 伏广伟;;中国纺织品质量技术战略研究[J];纺织导报;2005年07期
6 陈毓婷;杨建国;吕志军;;现场总线与数字化纺织生产框架体系研究[J];纺织导报;2006年01期
7 高勇;;大力振兴纺织装备制造业 努力促进纺织产业升级[J];纺织机械;2006年02期
8 毕国典;中国纺织工业竞争力的变化分析[J];纺织器材;2000年02期
9 吴永升;;我国纺织机械工业发展的思考[J];纺织器材;2006年03期
10 张瑞林;人工神经网络控制粗梳毛纺质量的研究[J];纺织学报;2001年01期
【共引文献】
中国期刊全文数据库 前10条
1 赵彦辉;张乐文;邱道宏;仲晓杰;;基于粗糙集理论的隧道围岩模糊综合评判[J];四川建筑科学研究;2011年02期
2 吕俊;任雪萍;;一种基于粗糙集理论的变压器故障多变量决策树诊断方法[J];安徽电气工程职业技术学院学报;2011年01期
3 张安勤;数据挖掘与进化算法[J];安徽教育学院学报;2002年03期
4 李建洋;倪志伟;刘慧婷;;粗糙集在CBR中的应用研究[J];安徽建筑工业学院学报(自然科学版);2006年01期
5 孙虹;方敏;;基于Rough集和RBF网络的车牌字符识别方法[J];安徽建筑工业学院学报(自然科学版);2006年04期
6 孙虹;;粗糙集神经网络系统在车牌字符识别中的研究[J];安徽建筑工业学院学报(自然科学版);2007年04期
7 张继宝;汪明武;谢慧敏;;基于粗糙集理论的围岩稳定性模糊综合评价[J];安徽建筑工业学院学报(自然科学版);2008年02期
8 孙虹;龚雪;;一种基于Rough集和RBF网络的模拟电路故障诊断方法[J];安徽建筑工业学院学报(自然科学版);2012年03期
9 陆晓希;黄力;;基于粗糙集理论及其在农业病害规则发现中的应用[J];安徽农业科学;2006年14期
10 吴朗;胡红武;;粗糙集理论在评定农村公务员素质中的应用[J];安徽农业科学;2006年14期
【同被引文献】
中国期刊全文数据库 前10条
1 张博;董宏洲;;圆织机经线张力控制[J];兵工自动化;2010年04期
2 李钢;孙宇;;摩擦收卷中柔幅材料力学建模及张力控制策略研究[J];包装工程;2009年10期
3 蔡煜东;姚林声;;亚麻纤维品质与成纱质量的人工神经网络分析方法[J];纺织基础科学学报;1993年04期
4 陈东升,吴广峰,长井茂明;用灰色理论预测亚麻成纱质量[J];纺织基础科学学报;1994年03期
5 陈东生,张永宁,甘应进;纱条不匀异点的灰色预测[J];纺织学报;1999年02期
6 甘应进,张永宁,王建刚,陈东生;纱条不匀灰色预测模型的建立[J];纺织学报;2001年01期
7 李晓峰;;苎麻纤维原料品质与成纱品质指标的灰关联分析[J];纺织学报;2006年01期
8 肖卫兵;;分离筘座式挠性剑杆织机电子引纬张力控制[J];纺织学报;2007年07期
9 项前;杨建国;程隆棣;;基于支持向量机的纱线质量预测[J];纺织学报;2008年04期
10 张荣臻;张森林;刘和进;吴群民;;织机目标送经量的求取与应用[J];纺织学报;2010年08期
【二级引证文献】
中国期刊全文数据库 前1条
1 张成俊;左小艳;张弛;吴晓光;;基于ARM的纱线张力检测系统设计[J];针织工业;2013年01期
【二级参考文献】
中国期刊全文数据库 前10条
1 伍奎;唐恩;张晶;;发电厂故障智能诊断预报系统[J];电工技术;2001年08期
2 钱莉,杨崇倡,蔡玉华;一个基于事例的旋转机械故障诊断专家系统[J];中国纺织大学学报;1999年05期
3 李宁,刘东波,臧英明;中国棉花分级标准与国外棉花分级标准差异的研究[J];大连轻工业学院学报;2001年04期
4 阎平凡;人工神经网络的容量、学习与计算复杂性[J];电子学报;1995年05期
5 冯万众;国家棉花标准修订对纺织业的影响[J];中国纺织;2000年02期
6 郭先登;21世纪中国纺织企业的革命[J];中国纺织;2001年01期
7 徐为山 ,李世全;我国纺织行业竞争力的国际比较及发展战略[J];中国纺织;2001年01期
8 伍奎,谢永春,李润方,朱才朝,秦大同;智能化系统的有机组合推理及优化[J];重庆大学学报(自然科学版);2003年06期
9 高孝纲,赵世凯;我国的纺织机械机电一体化[J];纺织导报;2001年05期
10 姜怀,孙健怡;棉纺条干不匀故障诊断的推理思维过程[J];纺织学报;1994年09期
【相似文献】
中国期刊全文数据库 前10条
1 孙秋红;周万珍;;数据挖掘在静电放电防护理论中的应用[J];河北科技大学学报;2007年04期
2 方向;丁兆军;舒新前;;基于遗传算法优化的支持向量机(SVM-GA)低阶煤制氢产量预测模型[J];煤炭学报;2010年S1期
3 杨路;;基于遗传支持向量机的车床刀具寿命预测[J];微计算机信息;2010年34期
4 孙云普;王云飞;郑晓娟;;基于遗传-支持向量机法的煤层顶板导水断裂带高度的分析[J];煤炭学报;2009年12期
5 邹宽城;常亚萍;韩秀清;;基于支持向量机的射孔枪结构优化设计方法[J];石油机械;2009年01期
6 张丽靖;宋智健;庄建芬;杨郁;;基于遗传算法和支持向量机的乳杆菌发酵过程建模[J];生物技术;2010年01期
7 赵爱军;谢林柏;;基于粗糙集特征约减的网络异常检测方法[J];南通纺织职业技术学院学报;2010年01期
8 袁志刚;王宏图;胡国忠;刘年平;范晓刚;;立井井筒非采动破裂的遗传-支持向量机预测模型[J];煤炭学报;2011年03期
9 姚桂国;钟小勇;梁金祥;左保齐;;基于遗传算法的织物疵点特征选择[J];纺织学报;2009年12期
10 宗朝霞;汤宏胜;贺曼;葛忠学;来蔚鹏;李华;;基于遗传算法的支持向量机预测含能材料密度的研究[J];计算机与应用化学;2009年12期
中国重要会议论文全文数据库 前10条
1 苏冬平;吴少敏;苏异才;;KDD与遗传寻优及在宝钢的应用[A];2001中国钢铁年会论文集(下卷)[C];2001年
2 陈楚湘;沈建京;陈冰;尚长兴;王运成;;运用粗糙集理论建立中老年肺炎中医症候诊断标准[A];第二十九届中国控制会议论文集[C];2010年
3 易向军;宋威;;数据挖掘技术在冶金MES中的应用探讨[A];冶金自动化信息网年会论文集[C];2004年
4 刘晓燕;单晓红;;遗传算法在关联规则挖掘中的应用[A];第六届中国青年运筹与管理学者大会论文集[C];2004年
5 王令群;郑应平;周爱华;;数据挖掘技术在半导体生产过程数据分析中的应用[A];2005年中国智能自动化会议论文集[C];2005年
6 宗朝霞;汤宏胜;贺曼;葛忠学;来蔚鹏;李华;;基于遗传算法的支持向量机预测含能材料密度的研究[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年
7 余嘉元;;粗糙集在心理测量数据挖掘中的应用[A];第十届全国心理学学术大会论文摘要集[C];2005年
8 李占潮;陈超;周喜斌;邹小勇;;基于遗传算法和支持向量机预测蛋白质结构类[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
9 孙浚清;李世平;唐超;张弦;;基于GA-SVM的装备需求时间序列预测[A];第十七届全国测控计量仪器仪表学术年会(MCMI'2007)论文集(上册)[C];2007年
10 曾令明;金虎;;基于遗传算法的双向关联规则挖掘[A];2006年全国开放式分布与并行计算机学术会议论文集(三)[C];2006年
中国重要报纸全文数据库 前10条
1 李开宇 黄建军 田长春;把“数据挖掘”作用发挥出来[N];中国国防报;2009年
2 华莱士;“数据挖掘”让银行赢利更多[N];国际金融报;2003年
3 记者 晏燕;数据挖掘让决策者告别“拍脑袋”[N];科技日报;2006年
4 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年
5 王玮 蔡莲红;数据挖掘走入语音处理[N];计算机世界;2001年
6 张立明;数据挖掘之道[N];网络世界;2003年
7 中圣信息技术有限公司 李辉;数据挖掘在CRM中的作用[N];中国计算机报;2001年
8 田红生;数据挖掘在CRM中的应用[N];中国经济时报;2002年
9 王广宇;数据挖掘 加速银行CRM一体化[N];中国计算机报;2004年
10 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年
中国博士学位论文全文数据库 前10条
1 吕志军;智能挖掘与质量控制技术在纺织生产过程中的应用研究[D];东华大学;2007年
2 王明春;基于粗糙集的数据及文本挖掘方法研究[D];天津大学;2005年
3 王曙燕;医学图像智能分类算法研究[D];西北大学;2006年
4 刘洪波;汉语认知脑数据挖掘相关算法及应用研究[D];大连理工大学;2006年
5 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
6 王秀梅;工科高校创新人才培养及评价研究[D];华北电力大学(河北);2009年
7 杨实俊;可持续发展约束下小型火电厂危机管理研究[D];华北电力大学(河北);2008年
8 崔广才;基于粗糙集的数据挖掘方法研究[D];吉林大学;2004年
9 马君华;粗糙集属性约简和聚类算法及其在电力自动化中的应用研究[D];华中科技大学;2010年
10 韩虎;基于粗糙集的支持向量机及应用研究[D];兰州交通大学;2011年
中国硕士学位论文全文数据库 前10条
1 魏悦亮;粗糙集在数据挖掘不确定性问题中的研究[D];中国石油大学;2010年
2 刘庆彪;基于结构风险最小化的电价预测新方法研究[D];华中科技大学;2007年
3 张永新;基于支持向量机和遗传算法相结合的模拟电路故障诊断方法研究[D];东北大学;2009年
4 付阳;支持向量机并行训练算法与基于遗传算法的参数优化研究[D];南昌大学;2010年
5 刘琨;遗传算法在数据挖掘聚类分析中的应用研究[D];中南林业科技大学;2008年
6 于兴网;粗糙集属性约简算法在数据挖掘中的研究[D];重庆大学;2004年
7 杨柳;基于粗糙集的数据挖掘技术研究及其在智能软件中的实现[D];电子科技大学;2004年
8 冯洪海;基于粗糙集和支持向量机的多值分类算法[D];河北农业大学;2002年
9 张召;支持向量机在中医指症数据挖掘中的应用研究[D];华东师范大学;2003年
10 陆有忠;进化支持向量机及其在岩体边坡中的应用[D];宁夏大学;2004年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026